• R语言的特征(跳过)
• 工作界面与工作流程介绍
• 演示:基础操作与数据分析流程
• 使用github获得最新讲义
• 学习资料介绍

• R 语言是一种计算机高级语言，用于数据分析和绘图
• 各种统计建模、作图；任意扩展
• R 语言脱胎于 1980 年左右诞生的 S 语言
• 作者是新西兰奥克兰大学统计系Ross Ihaka与Robert Gentleman
• S语言是贝尔实验室统计研究部编制的一套完整的高级语言系统
• 在1998年被美国计算机协会(ACM) 授予了“软件系统奖”
• 1997 年 R 语言正式成为 GNU 项目，核心代码由R Core Team 维护
• 2010年获得第一届“统计计算及图形奖”（美国统计协会）

• 开源且扩展性强(各类前沿方法)
• 面向对象的程序语言(面向过程的语言stata、spss)
• 与其它软件的交互能力、可嵌入性强
• 完整的工作流，实现可重复性(Reproducible)分析
• 文档多元多样(需要适应)
• 适用于多操作系统的轻量化平台
• 比较流行排名

• 数据：可连接数据库，如Oracle、MySQL
• 运算：可调用C或Fortran函数进行底层运算；多核、并行计算；GPU计算
• 应用：可作为运算引擎嵌入JAVA开发的系统中(Rserve)
• 网络：R与web整合部署(Rook, shiny)

• 统计计算与绘图（学术界）
• 数据爬取
• 文本分析
• 空间分析
• 网络分析
• R主体资源task views

• 学习曲线比较陡
• 不用就忘了

Chester Ismay

Getting used to R, RStudio, and R Markdown

• R的官方网站
• RStudio
• 扩展包的安装和加载
  • install.packages("tidyverse")
  • library(tidyverse)
  • if(!require(tidyverse)) install.packages("tidyverse")
• 安装扩展包相当于将某个工具买回来了；加载相当于带在身上了。
  • 查看帮助 library(help="tidyverse")

改变默认语言(建议设定为英文)

• (win)修改R安装目录下etc\Rconsole文件，language = en
• (linux)在用户主目录中增加文件.Renviron，LANGUAGE=en
• (Mac) 在终端中输入 defaults write org.R-project.R force.LANG en_US.UTF-8 即可

查询当前工作目录getwd() 改变默认工作目录 setwd("D:/work")

注意Mac与Windows电脑路径表达差异

• 创建和保存R代码
• 运行R代码中的命令的方式：ctrl+enter 或者点击run

通过菜单file->reopen with encoding,简体中文通常可尝试选择gb2312解决

自动生成的模板文件已经设定了头部yaml

简单的文本和代码以及相关操作说明。

通过cmd+op+I插入代码。

简单的标记语法（记得带空格）

1. #表示一级标题；##二级标题 ###三级标题
2. -号或+号或*号 表示列表
3. 数字加英文句号 表示数字列表
4. []加() 链接
5. ![]加()插入图片
6. 前后两个* 表示加粗
7. 前后一个* 表示斜体
8. > 表示引用
9. 兼容html语法和CSS设定

技巧：可以将一个语法手册放在手边，随时参考 .

编辑完成之后可以通过Rstudio上的Knit按钮进行转码打印

呈现全球国家的预期寿命(life expectancy)和人均GDP(GDP per capita)之间的关系. Hans Rosling曾经做个一个TED演讲。

• 下面将使用 dplyr包 (用于数据处理 data wrangling) 和 ggplot2 (用于作图，visualization) .

• 首先要确保这些包都安装了（installed）.

• 在markdown中加载（Load）这些包:

library(dplyr)
library(ggplot2)
library(gapminder)
library(gganimate)

可以这样做

library(car)

## Loading required package: carData

## 
## Attaching package: 'car'

## The following object is masked from 'package:dplyr':
## 
##     recode

summary(Duncan)

##    type        income        education         prestige    
##  bc  :21   Min.   : 7.00   Min.   :  7.00   Min.   : 3.00  
##  prof:18   1st Qu.:21.00   1st Qu.: 26.00   1st Qu.:16.00  
##  wc  : 6   Median :42.00   Median : 45.00   Median :41.00  
##            Mean   :41.87   Mean   : 52.56   Mean   :47.69  
##            3rd Qu.:64.00   3rd Qu.: 84.00   3rd Qu.:81.00  
##            Max.   :81.00   Max.   :100.00   Max.   :97.00

# gapminder <- read.csv("https://stat.duke.edu/~mc301/data/gapminder.csv")
# setwd("/Users/liding/E/Bdata/liding17/2017R/lesson3/")
gapminder <- read.csv("../data/gapminder.csv")

• 以gapminder 数据集（dataset）开始

• 选择年份（year）变量等于2007的案例

• 将筛选出来的案例存到一个新的数据集gap07

gap07 <- gapminder %>%
  filter(year == 2007)

任务: 呈现 gdpPercap 与lifeExp之间的关系.

qplot(x = gdpPercap, y = lifeExp, data = gap07)

任务: 各个大陆的点使用不同的颜色.

qplot(x = gdpPercap, y = lifeExp, color = continent, data = gap07)

任务: 在设定点的大小与人口规模成正比.

qplot(x = gdpPercap, y = lifeExp, color = continent, size = pop,data = gap07)

ggplot(gapminder, aes(gdpPercap, lifeExp, size = pop, colour = continent)) +
  geom_point(alpha = 0.7, show.legend = FALSE) +
  scale_size(range = c(2, 12)) +
  scale_x_log10() +
  labs(title = 'Year: {frame_time}', x = 'GDP per capita', y = 'life expectancy') +
  transition_time(year) +
  ease_aes('linear')

• 首先，注册GitHub账户并登陆 https://github.com/
• 其次，下载Github桌面版 https://desktop.github.com

选择windows或者mac版本。

登录之后

更新项目库可以得到最新的讲义，这个文件夹里的东西作为只读即可。 如果想在讲义资料中增加笔记，可将得到的讲义复制到别处在进行修改。 大家也可以创建自己的项目库，将自己更改后的讲义分享到github上。 未来作为项目成员与人合作完成项目时可用github进行版本控制和写作。

• 适时做笔记,记下一些重点或技巧（在原文件中加入批注的形式）。
• 学习时亲手键入代码，修改，理解其意义。
• 坚持练习,尝试利用身边的数据进行应用分析。
• 第一讲的课程指引中有很多资源链接

• 管道操作符 %>% 是Stefan Milton Bache and Hadley Wickham在magrittr中首创的.

• 将上一段命令的结果作为下一行命令的首个默认输入元素，从而可以：

  • 可以节省大量的代码
  • 代码可读性大大提高
  • 解释中间存储的对象，让工作空间更简洁
  • 已经做了大量的优化

• David Robinson的解释为什么要像R的初学者教授tidyverse

• lynda上的视频解释

• 其他解释

• 教学中会对照tidyverse与R基础语言，但以tidyverse为主，方便上手。
• 现在已经由Rstudio维护:质量、一致性、可持续性、扩展性有保证！

data.table 等高效包后面自学很快！